[發明專利]一種基于人臉識別的在線學習專注度評價方法及裝置

有效

• 申請號: 202110368642.7
• 申請日: 2021-04-06
• 公開（公告）號: CN113139439B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 朱靜;王茹皓;杜曉楠;牛子晗;李楚憲;尹邦政;趙宣博;林致遠;馬澤瀚;陳前予
• 申請（專利權）人: 廣州大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/82;G06T7/168;G06T5/40;G06N3/04;G06Q50/20
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鐘瑞敏

本發明公開了一種基于人臉識別的在線學習專注度評價方法及裝置，方法首先通過在線學習學習者的電腦攝像頭獲取視頻圖像；在視頻圖像含有人臉信息情況下截取其中的人臉部分，生成人臉圖像；然后提取人臉圖像中的人臉頭像并歸一化，對歸一化后的圖像進行直方圖均衡化處理，得到特征圖像；接著創建專注度評價模型，將學習者在線學習過程中的特征圖像導入專注度評價模型，得到專注度分值的平均值；根據專注度分值的平均值與專注度自評結果迭代專注度評價模型；當學習者正在在線學習時，將實時獲取的特征圖像導入到完成迭代的專注度評價模型，專注度評價模型實時輸出學習者的專注度分值。本發明能夠自動準確監測學習者在線學習過程中的專注度水平。

技術領域

本發明涉及人臉識別和在線學習技術領域，特別是一種基于人臉識別的在線學習專注度評價方法及裝置。

背景技術

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。目前人臉識別技術應用越來越普遍，比如可以應用到在線學習中，利用人臉識別技術來實時檢測學習者的學習專注度情況。專注度是判別人工作和學習效率的有效方式，專注度評估在數字教學等領域中有著重要意義，可為提高學習效率，科學評價學習者的行為提供參考。但是目前的專注度評價過于依賴學習者佩戴的檢測設備或者檢測方法單一，因此存在著評價體系過于武斷，評價學習機械化，不夠人性化等弊端。因此，有必要研究新的在線學習專注度評價方法。

James A.Russel在1980年提出了Arousal-Valence情感模型，該模型是目前心理學界進行情感度量的重要模型之一。該模型主要采用喚醒度(arousal)和效價(valence)作為度量指標來衡量人類情感狀態。價態代表積極到消極的體驗程的感受，喚醒度代表興奮到平靜的程度，涉及的喚醒性情緒包括：悲傷、憤怒和愉悅等。

發明內容

本發明的第一目的在于解決現有技術的不足，提出一種基于人臉識別的在線學習專注度評價方法，可以能夠自動且準確地監測學習者在線學習過程中的專注度水平。

本發明的第二目的在于提出一種基于人臉識別的在線學習專注度評價裝置。

本發明的第三目的在于提出一種計算設備。

本發明的第一目的通過下述技術方案實現：一種基于人臉識別的在線學習專注度評價方法，包括如下步驟：

S1、通過在線學習學習者的電腦攝像頭獲取視頻圖像；

S2、利用級聯分類器檢測視頻圖像中是否包括人臉信息，若視頻圖像中不存在人臉信息，則返回步驟S2；若視頻圖像中存在人臉信息，則將視頻圖像中的人臉部分截取出來，生成在線學習的學習者的人臉圖像；

S3、提取人臉圖像中的人臉頭像，將人臉頭像的尺寸歸一化為1*1的圖像，并對歸一化后的圖像進行直方圖均衡化處理，得到特征圖像；

S4、創建專注度評價模型，通過步驟S1～S3獲取學習者在線學習過程中的特征圖像，并將特征圖像導入專注度評價模型，由專注度評價模型對學習者整個在線學習過程的專注度進行檢測，得到專注度分值的平均值；獲得學習者在完成在線學習之后自評分的專注度自評結果，將專注度分值的平均值與專注度自評結果進行比較，在兩者差值超過預設精度范圍的情況下迭代專注度評價模型，直至差值達到預設精度范圍；

S5、當學習者正在在線學習時，通過步驟S1～S3實時獲取學習者的特征圖像，將特征圖像導入到完成迭代的專注度評價模型，完成迭代的專注度評價模型實時輸出學習者的專注度分值。

優選的，將某一時刻下的特征圖像導入專注度評價模型，由專注度評價模型檢測專注度的過程如下：

(1)提取喚醒度識別特征值：從特征圖像提取出人臉頭像的長度參數、嘴巴開合程度、眼睛睜開程度以及頻率，以及計算長度參數和人臉圖像的原始長度參數的百分比；

(2)對喚醒度識別特征值進行數據歸一化處理；